Matches in SemOpenAlex for { <https://semopenalex.org/work/W2730640066> ?p ?o ?g. }
Showing items 1 to 47 of
47
with 100 items per page.
- W2730640066 abstract "A inspecao automatica de dutos submarinos tem sido uma tarefa de crescente importância para a deteccao de diferentes tipos de eventos, dos quais destacam-se armadura exposta, presenca de algas, flanges e manta. Tais inspecoes podem se beneficiar de tecnicas de aprendizado de maquinas para classificar acuradamente essas ocorrencias. Neste trabalho, apresenta-se um algoritmo de redes neurais convolucionais para classificacao de eventos em dutos submarinos. A arquitetura e os parâmetros da rede neural que resultam em desempenho de classificacao otimo sao selecionados. A tecnica de rede neural convolucional, em comparacao ao algoritmo do perceptron precedido por extracao de features wavelet, apresenta desempenho superior para diferentes classes de eventos, alcancando em media acuracia de classificacao de 93.2%, enquanto o desempenho alcancado pelo perceptron e de 91.2%. Alem dos resultados obtidos no conjunto de teste, sao analisadas as curvas de acuracia e de entropia cruzada obtidas para o conjunto de validacao ao longo do treinamento, de modo a comparar os desempenhos de cada metodo e para cada classe de eventos. Sao tambem fornecidas visualizacoes das saidas das camadas intermediarias da rede convolucional. Essas visualizacoes sao interpretadas e associadas aos resultados obtidos." @default.
- W2730640066 created "2017-07-14" @default.
- W2730640066 creator A5027382066 @default.
- W2730640066 date "2017-02-28" @default.
- W2730640066 modified "2023-09-27" @default.
- W2730640066 title "CLASSIFICATION OF UNDERWATER PIPELINE EVENTS USING DEEP CONVOLUTIONAL NEURAL NETWORKS" @default.
- W2730640066 cites W114517082 @default.
- W2730640066 cites W1481646516 @default.
- W2730640066 cites W1535749512 @default.
- W2730640066 cites W1591540418 @default.
- W2730640066 cites W1597009674 @default.
- W2730640066 cites W1991425210 @default.
- W2730640066 cites W2040870580 @default.
- W2730640066 cites W2095705004 @default.
- W2730640066 cites W2124776405 @default.
- W2730640066 cites W2146502635 @default.
- W2730640066 cites W2249612659 @default.
- W2730640066 cites W2523246573 @default.
- W2730640066 cites W2739750999 @default.
- W2730640066 cites W2949117887 @default.
- W2730640066 cites W2964121744 @default.
- W2730640066 hasPublicationYear "2017" @default.
- W2730640066 type Work @default.
- W2730640066 sameAs 2730640066 @default.
- W2730640066 citedByCount "1" @default.
- W2730640066 countsByYear W27306400662017 @default.
- W2730640066 crossrefType "dissertation" @default.
- W2730640066 hasAuthorship W2730640066A5027382066 @default.
- W2730640066 hasConcept C142362112 @default.
- W2730640066 hasConcept C154945302 @default.
- W2730640066 hasConcept C15708023 @default.
- W2730640066 hasConcept C15744967 @default.
- W2730640066 hasConcept C41008148 @default.
- W2730640066 hasConcept C50644808 @default.
- W2730640066 hasConceptScore W2730640066C142362112 @default.
- W2730640066 hasConceptScore W2730640066C154945302 @default.
- W2730640066 hasConceptScore W2730640066C15708023 @default.
- W2730640066 hasConceptScore W2730640066C15744967 @default.
- W2730640066 hasConceptScore W2730640066C41008148 @default.
- W2730640066 hasConceptScore W2730640066C50644808 @default.
- W2730640066 hasLocation W27306400661 @default.
- W2730640066 hasOpenAccess W2730640066 @default.
- W2730640066 hasPrimaryLocation W27306400661 @default.
- W2730640066 isParatext "false" @default.
- W2730640066 isRetracted "false" @default.
- W2730640066 magId "2730640066" @default.
- W2730640066 workType "dissertation" @default.